Генеральный директор OpenAI Сэм Альтман во время презентации анонсировал новую функцию, которая превращает ChatGPT в универсальный инструмент работы с изображениями. GPT-4o теперь способен создавать детализированные картинки и вносить изменения в существующие снимки. Это включает в себя ретушь, трансформацию и глубокую стилизацию, включая обработку изображений людей.
Нововведение уже доступно подписчикам тарифов ChatGPT Pro за $200 в месяц и Plus за $20 в месяц, а также для разработчиков через API. Как обещала компания, в ближайшее время новая функция станет доступна и для бесплатных пользователей. Сообщение об этом было сделано в твиттере OpenAI, где было указано, что инструмент уже доступен для всех Pro, Plus и Team пользователей по всему миру.
Ключевое отличие новых инструментов заключается в высокой точности результатов и улучшенной способности к контекстной обработке изображений. ChatGPT теперь можно применять не только для генерации новых изображений, но и для креативного редактирования графики, что открывает новые горизонты для пользователей.
OpenAI подчеркивает важность этических вопросов, связанных с использованием изображений и авторских прав. Операционный директор компании Брэд Лайткап отметил, что модель не может имитировать стиль конкретных современных художников, и были внедрены механизмы, позволяющие авторам отказываться от использования их работ в обучении модели. Обучение GPT-4o проходило на общедоступных данных и материалах, предоставленных партнерами, включая Shutterstock.
Объявление о запуске новых функций прозвучало на фоне усиливающейся конкуренции в области генеративного ИИ, в том числе со стороны Google, которая анонсировала аналогичные возможности в Gemini 2.0 Flash. Конкуренция в сфере работы с изображениями может оказать значительное влияние на такие индустрии, как дизайн, маркетинг, образование, СМИ и развлечения.
Пользователи смогут генерировать “практичные изображения”, такие как графики и плакаты. Модель интегрирует базу знаний и контекст из чата, используя как другие изображения, так и текстовые описания. Искусственный интеллект способен добавлять и обрабатывать до 20 объектов на одном изображении, а также анализировать их изменения, запрашиваемые пользователями.
Тем не менее, разработчики предупреждают, что ошибки могут возникать. Например, модель может неправильно обрезать вытянутые картинки или долго визуализировать запросы, включающие большое количество объектов. Генерацию изображений также планируется сделать доступной в Sora, а функционал ChatGPT будет открыт даже для бесплатных пользователей.